[发明专利]基于深度神经网络的SAR船舶检测系统及方法

摘要

本发明属于船舶信息检测技术领域，公开了一种基于深度神经网络的SAR船舶检测系统及方法，融合特征提取模块用于从SAR图像中提取特征，通过自底向上和自顶向下的过程充分融合特征；区域提案模块用于将FEEN提供的融合特征作为输入，进行SAR图像船舶与背景的分类，以及生成包含船舶目标位置的粗候选窗口；细检测模块用于以FEEN提供的特征和RPN提供的粗锚框作为输入，细化粗锚框，进行更细的船舶检测，得到最终检测结果。本发明提供的检测方法在SAR复杂背景下(远海岸和近海岸)的多尺度船舶、小目标船舶检测中具有良好的性能，并取得了较高的船舶检测精度。

主权项

1.一种基于深度神经网络的SAR船舶检测方法，所述基于深度神经网络的SAR船舶检测方法具体包括：步骤一，从SAR图像中提取特征，通过自底向上和自顶向下的过程将特征图逐层融合，得到五个融合特征映射层L_i(i＝2，3，4，5，6)；步骤二，为得到的每个融合特征映射层L_i(i＝2，3，4，5，6)分配5种不同尺度的Scale_i(i＝2，3，4，5，6)＝{32*32，64*64，128*128，256*256，512*512}，融合特征映射层L_i(i＝2，3，4，5，6)的锚框的长宽比都为{1∶1，1∶2，2∶1}，最终生成k个锚框，k＝15，5种尺度×3种长宽比等于15；步骤三，将生成的锚框分别发送到用于船舶目标分类的cls_layer和用于锚框回归的reg_layer，reg_layer有4K个输出，表示锚框的坐标，cls_layer有2K个输出，表示锚框是船舶目标的概率；利用非最大抑制算法来减少粗锚框的数量；步骤四，细化粗锚框，对融化特征进行ROI池化，生成固定尺寸的特征，并对经过ROI池化后的特征进行融合，将融合后的特征反馈给后续的全连接层，得到最终的检测结果。